三支边缘过采样的不平衡文本情感分类.pdfVIP

２０２４年第３８卷第３期

ＪｏｕｒｎａｌｏｆＣｈｏｎｇｑｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅ）Ｖｏｌ．３８Ｎｏ．３２０２４

ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１６７４－８４２５（ｚ）．２０２４．０３．０２２

三支边缘过采样的不平衡文本情感分类

余炀，方宇，李昭宸，刘畅，杨梅

（西南石油大学计算机科学学院，成都６１０５００）

摘要：在实际应用中，少数类样本往往包含重要信息，而传统机器学习方法通常对少数类

样本的分类准确率低，且误分类代价较高。针对不平衡文本数据的情感分类问题，以三支采样

（ｔｈｒｅｅｗａｙｓａｍｐｌｉｎｇ，３ＷＳ）与过采样为基础，提出了三支过采样算法（ｔｈｒｅｅｗａｙＳＭＯＴＥ，３ＷＯＳ）

和三支边缘过采样算法（ｔｈｒｅｅｗａｙｂｏｒｄｅｒｌｉｎｅＳＭＯＴＥ，３ＷＯＢＳ），３ＷＯＳ能够更好地识别边界区域

上的数据，３ＷＯＢＳ可以增强边界区域所蕴含的信息。首先，将文本数据构建为超球，获得超球

边缘的支持向量。其次，３ＷＯＳ对边缘上的支持向量直接进行过采样以生成合成新样本并更新

样本集，３ＷＯＢＳ则在生成合成新样本后根据给定条件判断是否获得该新样本并更新样本集。

最后，将更新的样本集放在不同的基分类器上进行对比实验。实验采用了３个不平衡数据集，

并保证了不同的不平衡比。同时，在数据集训练过程中引入粒计算思想，确保模型的鲁棒性。

实验结果表明，３ＷＯＳＩＴＳＣ与３ＷＯＢＳＩＴＳＣ准确率较高且代价低于其他模型，为不平衡文本分

类问题提供了新思路。

关键词：情感分类；不平衡数据；三支决策；采样；粒计算

中图分类号：ＴＰ１８１文献标识码：Ａ文章编号：１６７４－８４２５（２０２４）０３－０２０１－１１

研究对象文本内容也会出现规模大、不平衡的问

０引言

题。以不平衡文本为主要研究对象，旨在如何使

［１］不平衡文本在情感分析任务中取得更好的效果。

文本情感分析一直是自然语言处理领域的

一大热门话题，已有很多研究者对此做出了大量目前对不平衡数据集的主流解决方案有数据采

的贡献，主要用来揭示人们的情感倾向，与其他多样、算法修改、代价敏感学习和分类器集成，以其

［２］［３］中的数据采样为对象重点展开研究。介绍了将三

个领域相结合，例如推荐系统、评价系统，使

得人们的生活更加便利。进入大数据时代，海量支决策与ＳＶＤＤ融合的数据描述与边界决策方

的信息充斥着人们的生活，因此作为情感分析的法，对于文本数据样本的提取更加精确。对于不

收稿日期：２０２３－０５－３１

基金项目：国家自然科学基金项目；中央引导地方科技发展专项项目（２０２１ＺＹＤ０００３）；四川省青年科技创新团

队项目（２０１９ＪＤＴＤ００１７）；西南石油大学２０２１年一流本科课程培育建设项目（Ｘ２０２１ＹＬＫＣ０３５）；西南石油大学研

究生全英文课程建设项目（２０２０ＱＹ０４）；第二批产学合作协同育人项目（２０２１０２２１１１１１）

作者简介：余炀，男，硕士研究生，主要从事三支决策、粒计算等研究，Ｅｍａｉｌ：２０２２２１０００４８５＠ｓｔｕ．ｓｗｐｕ．ｅｄｕ．ｃｎ；通信作者

方宇，硕士生导师，副教授，主要从事粗糙集、粒计算、三支决策等研究。

本文引用格式：余炀